作者：何良; 赵英海; 王磊; 胡仕友相参雷达多普勒维度卷积神经网络可变形卷积
摘要：基于相参雷达距离-多普勒数据空间维度非对称、多普勒维度周期性的特点,改进经典深度学习检测方法,并将深度学习技术应用于相参雷达目标检测中,提出了一种适用于相参雷达数据目标检测的环状可变形卷积神经网络。该网络设计可变形卷积核,解决距离维度、多普勒维度二者之间的空间非对称问题;设计了环状循环卷积,实现对周期性循环数据的卷积运算与混叠目标完整检测。实验结果表明,所提算法的目标检测正确率在仿真数据上达到88%,在实测数据上达到96%。相对于经典恒虚警、自适应阈值分割及卷积神经网络方法有明显提升。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
